quality-metrics

质量度量技能为 AI 代理提供了一套复杂的框架，用于在整个软件开发生命周期 (SDLC) 中测量、可视化并执行软件质量标准。专为质量工程师与 DevOps 团队设计，它超越了表面指标，专注于基于结果的数据点，例如缺陷逃逸率、平均检测时间 (MTTD) 与 DORA 指标。此技能允许代理定义并评估复杂的质量闸道，根据覆盖率、测试通过率、安全性漏洞与性能延迟的可配置阈值，自动阻挡不合标准的代码提交、合并请求或部署。当整合至持续集成与持续部署 (CI/CD) 流水线中，以确保项目在跨多个环境扩展时质量阈值保持一致，此技能表现尤为出色。

• 自动追踪关键绩效指标 (KPI)，包括缺陷逃逸率、测试有效性比率与 DORA 指标。

• 具备支持提交、合并请求与发布阶段的阻挡与警告阈值的智能质量闸道配置。

• 多代理协作能力，整合如 qe-quality-analyzer、qe-test-executor 与 qe-coverage-analyzer 等领域特定代理。

• 针对可配置时间范围（例如 90 天窗口）的质量指标趋势分析与预测建模。

• 与 Grafana 等监控平台兼容的自动化仪表板生成。

• 具备风险感知能力的度量，将测试覆盖率差距与代码重要性进行关联。

• 当建立新的质量仪表板或优化现有的 CI/CD 闸道策略时，请使用此技能。

• 输入数据通常涉及构建产物、测试执行日志与历史缺陷追踪记录。

• 预期输出包含趋势分析报告、闸道评估结果与自动生成的质量仪表板。

• 限制：避免仅依赖基于活动的指标（如测试总数）；优先考虑基于结果的测量以获得更好的可靠性。

• 确保一致使用“aqe/quality-metrics/”内存命名空间，以维护用于趋势分析与警报管理的跨会话历史数据。

• 与“基于风险的测试”(risk-based-testing) 与“向右移测试”(shift-right-testing) 等技能整合，以获得系统稳定性与可靠性的整体视图。